...
Eroare Machine Learning · Etichete, clasificare și metrici

IndexError: index 1 is out of bounds for axis 1 with size 1

Pe scurt

`predict_proba(X)[:, 1]` cere a doua coloană, dar modelul a văzut la antrenare o singură clasă, deci `predict_proba` are o singură coloană. De obicei setul de antrenare a ieșit fără nicio clasă pozitivă. Împarte cu `stratify=y`, verifică `model.classes_` și alege coloana după clasă, nu după poziție.

Explicat de Tudor Andrei Dumitrescu, Senior Software Developer, fondatorul Academiei ProgramatorilorActualizat la

Ce înseamnă

axis 1 înseamnă coloanele, iar size 1 spune că există o singură coloană (indicele 0). Ai cerut indicele 1, adică a doua coloană, care nu există.

La clasificare, predict_proba are câte o coloană pentru fiecare clasă din model.classes_, adică pentru fiecare clasă văzută la fit. Dacă în datele de antrenare a ajuns o singură clasă, modelele care acceptă asta (arbori, păduri aleatoare, k-NN, DummyClassifier) se antrenează fără eroare, dar întorc o singură coloană de probabilități. Codul [:, 1], scris pentru cazul cu două clase, pică.

Se întâmplă la date foarte dezechilibrate (fraude, defecte, boli rare), când train_test_split fără stratify pune toate exemplele rare în test, sau când antrenezi pe un subset filtrat (o singură lună, un singur oraș). Afișează model.classes_ și np.bincount(y_train) ca să confirmi.

De ce apare: cauzele frecvente

1Clasa rară a ajuns doar în test

Greșit
PYTHON
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2)
model.fit(X_train, y_train)
model.predict_proba(X_test)[:, 1]
Corect
PYTHON
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, stratify=y)
model.fit(X_train, y_train)
model.predict_proba(X_test)[:, 1]

stratify=y păstrează proporția claselor în ambele părți, deci clasa rară apare și în train.

2Coloana aleasă după poziție

Greșit
PYTHON
scor = model.predict_proba(X)[:, 1]
Corect
PYTHON
poz = list(model.classes_).index(1)
scor = model.predict_proba(X)[:, poz]

Poziția clasei în classes_ îți spune exact pe ce coloană e probabilitatea ei; dacă lipsește, index dă o eroare clară.

3Antrenare pe un subset cu o singură clasă

Greșit
PYTHON
luna = df[df["luna"] == 1]
model.fit(luna[coloane], luna["frauda"])
Corect
PYTHON
print(luna["frauda"].value_counts())
model.fit(df[coloane], df["frauda"])

Verifică distribuția etichetelor înainte de antrenare; un model care a văzut o singură clasă nu poate învăța diferența.

Repară tu

Repară eroarea, direct în pagină

Codul de mai jos dă IndexError: index 1 is out of bounds for axis 1 with size 1, pentru că la împărțire ambele fraude au ajuns în test, iar arborele a văzut doar clasa 0. Împarte datele păstrând proporția claselor, ca programul să afișeze clasele modelului și probabilitatea de fraudă pentru test.

Codul care dă eroarea
PYTHON
from sklearn.model_selection import train_test_split
from sklearn.tree import DecisionTreeClassifier

# suma tranzactiei (sute lei) -> frauda (1) sau nu (0)
X = [[1], [2], [3], [4], [5], [6], [7], [8], [90], [95]]
y = [0, 0, 0, 0, 0, 0, 0, 0, 1, 1]

X_train, X_test, y_train, y_test = train_test_split(
    X, y, test_size=0.3, random_state=8
)
model = DecisionTreeClassifier(random_state=0).fit(X_train, y_train)
print("Clase:", model.classes_.tolist())
print("Risc frauda:", model.predict_proba(X_test)[:, 1].tolist())
După reparație, programul afișează
Clase: [0, 1]
Risc frauda: [1.0, 0.0, 0.0]
Indiciu

Adaugă stratify=y în train_test_split.

Alte forme ale mesajului

  • IndexError: index 2 is out of bounds for axis 1 with size 2

Cum o eviți pe viitor

La date dezechilibrate folosește mereu stratify=y la train_test_split și StratifiedKFold la validare. După antrenare, afișează model.classes_ o dată, ca să știi câte coloane are predict_proba. Alege coloana după clasă (list(model.classes_).index(1)) în loc de un 1 scris de mână, mai ales când etichetele sunt text (de exemplu "da" și "nu").

Întrebări frecvente

De ce LogisticRegression dă altă eroare în aceeași situație?

Regresia logistică refuză să se antreneze pe o singură clasă și dă ValueError: This solver needs samples of at least 2 classes. Arborii și k-NN acceptă, deci problema apare abia la predict_proba.

De ce cu „axis 1 with size 2” la trei clase?

Aceeași cauză: modelul a văzut doar două dintre cele trei clase, deci are doar două coloane, iar tu ai cerut-o pe a treia.

Erori înrudite

← Toate erorile Machine Learning

Tudor Andrei Dumitrescu
Cine a explicat eroarea

Tudor Andrei Dumitrescu

Senior Software Developer · fondatorul Academiei Programatorilor

LinkedIn
  1. 2019 Junior JavaCognizant Softvision
  2. 2021 Mid JavaCognizant Softvision
  3. 2022 Team LeaderEndava
  4. 2023 Senior Software DeveloperUniCredit
  5. Acum Senior Software DeveloperHCLTech
Certificat de absolvire Instructor / Preparator formare, Tudor Andrei Dumitrescu
Certificat de formator autorizatMinisterul Muncii și Ministerul Educației · 2022
Certificat de absolvire Instructor / Preparator formare, Tudor Andrei Dumitrescu

Certificat de formator autorizat · Ministerul Muncii și Ministerul Educației · 2022

Din 2020 construiește Academia Programatorilor, iar din 2026 și JoburiIT.ro. Fiecare eroare de aici a fost reprodusă în editorul nostru: codul greșit chiar dă mesajul din titlu, iar reparația chiar funcționează.

Învață Machine Learning de la zero, cu exerciții la fiecare lecție

Curs Machine Learning și AI pentru începători: lecții scurte, fiecare cu un exercițiu verificat automat, direct în browser. Primele 15 lecții sunt gratuite.